La reconnaissance faciale joue un rôle important dans l'identification personnelle basée sur la biométrie. La technique de reconnaissance biométrique est une méthode efficace et a de nombreuses applications dans le domaine de la recherche d'informations, de la banque automatique, du contrôle d'accès aux zones de sécurité, etc. La méthode proposée est basée sur l'analyse en composantes principales (ACP) de l'image avec une combinaison de détails de DWT. Cette approche réduit les besoins en stockage et le temps de calcul tout en préservant les données. Le système proposé exploite les capacités d'extraction de caractéristiques de la décomposition de la transformée en ondelettes discrète et fait appel à certaines techniques de normalisation qui augmentent sa résistance aux variations de la géométrie du visage et de l'éclairage. Traditionnellement, pour représenter le visage humain, l'ACP est effectuée sur l'ensemble de l'image du visage. Le réseau neuronal et le classificateur K-NN sont utilisés pour classer les caractéristiques et la mesure de similarité est effectuée par la distance euclidienne. Les résultats expérimentaux montrent que la méthode proposée est efficace et possède plusieurs propriétés souhaitables lorsqu'elle est comparée à de nombreux algorithmes existants. L'approche PCA-DWT-ICA-hybride est évaluée sur MATLAB en utilisant la base de données des visages de Yale.